感知机损失函数的定义

损失函数

感知机的损失函数如下：
$$-\frac{1}{||w||}\ast \sum _{i=1}^m{y}_i(w\cdot x_i+b)$$
这是针对于误分类的数据集来说的，也就是说针对分类错误的样本数据所采用损失函数，正确分类的数据不参与，两类误分类的数据：

1、正类数据分类到-1结果中，$y_i=1$，但$(w\cdot x_i+b)等于-1$，此时损失公式依旧大于0。

2、负类数据分类到1结果中，$y_i=-1$，但$(w\cdot x_i+b)等于1$，此时损失公式依旧大于0。
也就是说误分类的样本数据都能使得损失公式大于0，很容易就计算误差，但是这里有一个问题就是难道每个样本还要判断是否分类正确，跟线性回归、逻辑回归的损失函数公式不一样，它们是直接拿所有样本来统计损失误差，正确的样本的误差是0。这个地方不太清楚为啥这么设计。